一种基于多频域特征的跨模态行人重识别方法及系统技术方案

本申请公开了一种基于多频域特征的跨模态行人重识别方法及系统，涉及行人重识别领域，该方法包括：获取行人图像集；构建跨模态行人重识别模型；构建总损失函数；基于行人图像训练集和总损失函数对跨模态行人重识别模型进行训练；将待识别的行人图像和行人图像测试集输入至训练好的跨模态行人重识别模型，得到图像特征；利用图像特征，计算待识别的行人图像与行人图像测试集中每个图像之间的余弦相似度；根据余弦相似度对行人图像测试集中的图像进行排序；根据排序结果，得到与待识别行人图像最相似的行人图像，完成跨模态行人重识别，本申请可解决现有技术中存在的计算效率低、资源消耗大以及特征表示多样性和鲁棒性不足的问题。

【技术实现步骤摘要】

本申请涉及行人重识别领域，特别是涉及一种基于多频域特征的跨模态行人重识别方法及系统。

技术介绍

1、跨模态行人重识别（cross-modality person re-identification，cm-reid）是计算机视觉领域的一个重要研究方向，旨在跨摄像头、跨场景的条件下，从不同模态的图像或视频中识别出同一个行人。其核心任务是解决因模态不同、摄像头视角变化、遮挡、光照差异、姿态变化等因素导致的同一行人外观差异问题。

2、现有技术是基于频域分析的cm-reid方法，特别是基于频率分解（即将信号分为低频和高频部分）的技术。傅里叶分析表明，振幅谱（amplitude spectra）主要编码了与模态相关的特征（如颜色、光照），而相位谱（phase spectra）则保留了跨模态不变的结构信息（如轮廓、形状）。基于这一发现，涌现了一系列方法：

3、1）频谱对齐方法：早期的方法如 fdmnet 和 fdnm，主要致力于对齐振幅谱，同时保留相位信息，以拉近模态距离。dssf³则主张联合学习振幅和相位两个部分。

<p>4、2）频率分解本文档来自技高网...

【技术保护点】

1.一种基于多频域特征的跨模态行人重识别方法，其特征在于，所述基于多频域特征的跨模态行人重识别方法包括：

2.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述高低频调制模块，具体包括以下步骤：

3.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述频率感知多样性增强模块，具体包括以下步骤：

4.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述构建总损失函数包括：

5.根据权利要求4所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述跨模态软损失函数的表达式如...

【技术特征摘要】

1.一种基于多频域特征的跨模态行人重识别方法，其特征在于，所述基于多频域特征的跨模态行人重识别方法包括：

2.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述高低频调制模块，具体包括以下步骤：

3.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述频率感知多样性增强模块，具体包括以下步骤：

4.根据权利要求1所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述构建总损失函数包括：

5.根据权利要求4所述的基于多频域特征的跨模态行人重识别方法，其特征在于，所述跨模态软损失函数的表达式如下：

...

【专利技术属性】
技术研发人员：辜弘炀，杨小冈，卢瑞涛，蒲磊，韩思明，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：